R语言|PLS-DA分析绘图示例

Python017

R语言|PLS-DA分析绘图示例,第1张

偏最小二乘法判别分析（PLS_DA）是一种用于判别分析的多变量统计分析方法，一种根据观察或测量到的若干变量值，来判断研究对象如何分类的常用统计分析方法。对不同处理样本（如观测样本、对照样本）的特性分别进行训练，产生训练集，并检验训练集的可信度。以下是PLS_DA分析绘图的一个小示例。

（本文仅作绘图示例，不涉及分析说明）

软文同步于“作图帮”公众号，感兴趣的小伙伴可以关注一下哦~

Fisher判别分析，即 LDA

相应的R实现为：

MASS包中的 lad() 函数，qda() 函数

lad(x, grouping, prior = proportions ,tol = 1.0e-4, method , CV = FALSE, nu, .....)

lad(formula, data, .... ,subset , na.action )

R语言实用案例分析-相关系数的应用

在日常工作中，经常会存在多个变量之间存在关联关系，比如学习数学好的同学，物理成绩可能也比较高。在公司中外貌和讨人喜欢的关系往往也比较大，在人事招聘过程中，如果想要更加综合的评价某个人，需要把相关系数比较高的方面进行权重或者均值处理。

如以下案例：

现有30名应聘者来公司应聘，公司为这些应聘者制定了15项指标，分别是：求职信的形式（FL）、外貌（APP）、专业能力（AA）、讨人喜欢（LA）、自信心（SC）、洞察力（LC）、诚实（HON）、推销能力（SMS）、经验（EXP）、驾驶水平(DRV）、事业心（AMB）、理解能力（POT）、交际能力（KJ）和适应性（SUIT）。每项分数是从0到10分，0分最低，10分最高。每位求职者的15项指标如下所示，公司计划只录取前5名申请者，公司到底该如何选择呢？

#读入数据

rt<-read.table("applicant.data")

AVG<-apply(rt,1,mean)

sort(AVG,descreasing=TRUE)

attach(rt)

#找到相关系数高的分为一组，然后取平均值，防止值过大

rt$G1<-(SC+LC+SMS+DRV+AMB+GSP+POT)/7

rt$G2<-(FL+EXP+SUIT)/3

rt$G3<-(LA+HON+KJ)/3

rt$G4<-AA

rt$G5<-APP

AVG<-apply(rt[,16:20], 1, mean)

sort(AVG, decreasing = TRUE)

找出前5名